摘要：以位于中國科學院內(nèi)蒙古草原生態(tài)研究定位站灌叢化樣地實驗平臺為研究區(qū),基于低空無人機遙感影像,結(jié)合實地調(diào)查,開展草原灌叢遙感辨識方法研究。通過對灌叢、草地和裸地歸一化植被指數(shù)(NDVI)的方差統(tǒng)計分析,確定了裸地與植被的分割閾值為-0.08,并使用該閾值提取植被覆蓋區(qū),然后分別利用面向?qū)ο蟮臎Q策樹(DT)、貝葉斯(Bayes)、K最鄰近(KNN)、支持向量機(SVM)機器學習分類器進行灌叢辨識。研究表明:借助Estimation of Scale Parameter ( ESP )最優(yōu)分割尺度評價工具可以快速確定分割參數(shù),獲取灌叢、草地影像對象;利用特征空間優(yōu)化工具選取了 18個的對象特征,可以有效避免盲目選擇而導致的計算量增大;通過對不同分類器分類結(jié)果的對比和樣本數(shù)量敏感性實驗得出:Bayes分類器精度穩(wěn)定、無需設(shè)置參數(shù),灌叢分類精度最高,總體精度和Kappa系數(shù)分別達到92%和0.83,結(jié)果與影像地物嵌合最好,能夠精確識別單株灌叢;根據(jù)Bayes分類器分類結(jié)果統(tǒng)計得研究區(qū)灌叢蓋度為14.74%,平均冠幅為0.6m2,與樣方調(diào)查結(jié)果基本一致。由于4種分類器的算法特征以及對訓練樣本數(shù)量的敏感性各不相同,因此選擇合適的分類器還需根據(jù)具體影像的地物特征、空間分辨率和研究區(qū)范圍來確定。